Gemini 4 Carbon: Наша наступна передова модель

Сьогодні ми представляємо наступну фронтирну модель: Gemini 4 Carbon, нашу найпотужнішу модель із передовими можливостями у сфері кібербезпеки та роботи на довгих горизонтах.

Carbon посідає перше місце в нещодавно оновленій версії 5.0 Artificial Analysis Intelligence Index із результатом 59. Вона демонструє значний прогрес у програмуванні та агентних завданнях, а також у ключових можливостях, критично важливих для кіберзахисту: упевнено посідає перше місце в SEC-bench Pro (88,2%) у пошуку вразливостей, ExploitGym (54,8%) в експлуатації та CWE-bench (71,0%) у виправленні вразливостей. На внутрішніх тестах Carbon забезпечує значне покращення у створенні безпечного коду, а в середовищах живого програмування з нашими командами демонструє нижчі показники неузгодженості та вигадування.

Розвиваючи напрацювання Gemini 4 Argon, яку було представлено два тижні тому, Carbon ілюструє темп, із яким ми просуваємо фронтир уперед. Наші дослідники та моделі працюють пліч-о-пліч, щоб швидше розширювати можливості й водночас посилювати наші запобіжники.

Ми застосовуємо виважений підхід до розгортання та активно долучаємося до добровільного процесу уряду США з тестування моделей до їхнього випуску. Починаючи з цього тижня, ми надамо Carbon обмеженій групі фахівців із кіберзахисту та поступово розширюватимемо доступ для інших перевірених партнерів через нашу програму Fairwind. Ми продовжуємо збирати відгуки та вдосконалювати обмеження, перш ніж якнайшвидше зробити Carbon доступною розробникам, компаніям і споживачам через наші продукти.

Gemini 4 Carbon буде запущено за тією самою початковою ціною ¹ , що й Argon: 2 долари за мільйон вхідних токенів і 10 доларів за мільйон вихідних токенів, а кешовані вхідні токени коштуватимуть на 95% дешевше за звичайну ціну вхідних токенів.

Покращення програмування та міркувань для складних завдань із довгим горизонтом

Carbon розроблено для значно складніших інженерних проблем із довгим горизонтом і тривалих агентних робочих процесів. Усередині компанії наші команди спостерігали, як Carbon працювала протягом кількох днів, долаючи глухі кути для виконання складних багатоетапних інженерних завдань, як-от пошук першопричин і виправлення непомітних помилок у великих кодових базах і низькорівневих системах.

Спираючись на відгуки користувачів, ми зосередилися на підвищенні продуктивності моделі в різних сферах, зокрема в програмуванні, агентних і наукових завданнях, а також у повностековій веброзробці та мультимодальному розумінні. Завдяки вищій якості результатів і артефактів у веброзробці Carbon піднялася на 89 балів Elo і посіла четверте місце (1769) у WebDev Arena.

Передові результати у сфері кібербезпеки для створення захищених систем

Gemini 4 Carbon забезпечує значний прорив у можливостях кібербезпеки. Вона демонструє передові результати на всіх етапах життєвого циклу кіберзахисту — виявленні, перевірці та усуненні вразливостей.

Наші команди вже спостерігають значний прогрес у кіберзахисті. На внутрішніх тестах Carbon забезпечує більш ніж дворазове підвищення частки успішних результатів у створенні безпечного коду порівняно з Argon. Наприклад, команда Chrome повідомила, що Carbon показала результат більш ніж у 10 разів кращий за велику фронтирну модель іншої лабораторії під час створення якісних виправлень. Wiz, наша провідна платформа хмарної безпеки, також зафіксувала лідерство Carbon у тестах із вебпентестингу — ключової можливості для ініціативи Wiz's Scan for Good.

Carbon демонструє відмінні результати в ключових зовнішніх тестах (оцінювання проводилося без обмежень):

• Пошук реальних вразливостей: Основою кіберзахисту є пошук реальних вразливостей. Carbon досягає передового результату 88,2% у SEC-bench Pro, автономно виявляючи складні недоліки, приховані в програмному забезпеченні реального світу.

• Перевірка ризику шляхом експлуатації: Щоб визначити, які вразливості виправляти першими або чи варто виправляти їх узагалі, фахівці з кіберзахисту дедалі частіше покладаються на моделі, які перевіряють, чи можна експлуатувати вразливості. Carbon встановлює новий передовий результат у популярному тесті експлуатації ExploitGym (54,8%).

• Виправлення першопричини: Після виявлення вразливостей критично важливим етапом життєвого циклу кіберзахисту зрештою стає усунення першопричини. Carbon досягає результату 71,0% у CWE-bench від Collinear, безпосередньо перетворюючи підтверджені результати на робочі виправлення коду.

Розвиток безпеки та захищеності фронтирних моделей

Gemini 4 Carbon використовує той самий багаторівневий стек безпеки й захищеності, що й Argon, поєднуючи навчання моделі, захист від зловживань у реальному часі, стійкість до ін’єкцій у запити та моніторинг ланцюжка міркувань. Зокрема, ми досягли значного прогресу у вирівнюванні моделі з Argon і описали її схильність поводитися узгоджено в нашому звіті про безпеку та захищеність. Працюючи над Carbon, ми поставили перед собою завдання піти ще далі у вирівнюванні та навчили модель правильно реагувати на складні завдання або завдання в умовах високого тиску.

• Зменшення використання коротких шляхів і експлуатації лазівок: У Carbon ми додатково зменшили спроби використовувати короткі шляхи під час навчання, водночас забезпечивши високу якість програмування. Carbon знизила успішне шахрайство в Terminal-Bench 4.0 до 0,0%, а кількість спроб шахрайства — до 0,4%, одночасно підвищивши загальну точність. У середовищах живого програмування з нашими внутрішніми командами ми спостерігали майже 80-відсоткове зниження сповіщень про неузгодженість високої тяжкості.
• Вища прозорість і чесність: За результатами внутрішнього тестування Carbon приблизно вдвічі скорочує кількість непідтверджених тверджень порівняно з Argon. Вона безпосередньо додає методологічні застереження до результату або утримується від заблокованих дій, чітко перелічуючи те, що ще потрібно зробити, замість того щоб вигадувати або ухилятися через брак доказів.
• Покращена співпраця з користувачем у разі неоднозначності: Замість того щоб вгадувати або нав’язувати шлях уперед, Carbon отримує релевантні джерела та повідомляє користувачеві про розбіжності перед виконанням дій — у результаті користувачі мають отримати значно кращий досвід спільної роботи з Carbon.
• Доведення справи до кінця без виходу за межі: Carbon одночасно зменшила надмірне виконання на 26% і недостатнє обслуговування на 29%, що забезпечило значно надійніше виконання багатоетапних планів від початку до кінця з дотриманням обмежень проєкту та суворим перебуванням у межах завдання.
• Стійкість до ін’єкцій у запити: Хоча раніше Argon лідирувала в тесті Gray Swan на стійкість до непрямих ін’єкцій у запити (IPI), продемонструвавши дуже низький показник успішності атак — 0,7%, Carbon досягає 0,0%, відбиваючи кожну оцінену спробу атаки.

Незабаром для розробників, компаній і споживачів

Просування фронтиру вперед вимагає швидких дій і водночас виваженого підходу до розгортання. За допомогою Gemini 4 Carbon ми прагнемо забезпечити суттєвий прорив у програмній інженерії та кіберзахисті без компромісів щодо безпеки й надійності. Ми з нетерпінням чекаємо, як перша група фахівців із кіберзахисту використовуватиме цю модель, і сподіваємося незабаром представити Carbon розробникам, компаніям і споживачам.